【Etsy】モバイルアプリのピークトラフィック対策

Article by: Sergiy Dybskiy(読了時間:11分) トラフィックの急増を乗り切るためのアドバイスは、ほとんどがキャパシティに関するものです。フリートをスケールし、キャッシュをウォームアップし、チェックアウト経路の負荷テストを行う。どれも、何かが壊れたら見つけた瞬間に修正できることが前提です。 モバイルアプリはそうはいきません。先日、Jay Henryとのワークショップで1時間ほどお話しする機会がありました。JayはEtsyのシニアエンジニアリングマネージャーで、CI、ビルド、テスト、リリース、オブザーブ、SREを担う3つのチームのエンジニアリング戦略を統括しています。Jayによれば、Webチームなら調子の悪い日でも数分でリバートできます。デバッグは必要ですが、その時点で問題のコードはすでに本番から外れています。 モバイルにはリバートがありません。バイナリに含まれた状態でバグがリリースされると、発見、根本原因分析、再現、設計、テスト、マージ、申請、App Storeの審査、ロールアウトという全行程をたどらなければなりません。ユーザーが修正版をいつインストールするか、そもそもインストールするかはコントロールできず、インストールされなければ壊れたバージョンが動き続けます。 そのため、Etsyのホリデーシーズンへの備えはキャパシティの話ではありません。リバートという選択肢がない11月に、何を把握し、どう振り分け、どう緩和できるかを、10月のうちに決めておくことなのです。 ここでは対談のハイライトをいくつか紹介します。その多くはECに限った話ではありません。 Etsyはコードフリーズではなくコードスラッシュを採用 コードフリーズは完全な停止です。一定期間、変更のマージやリリースを止めます。大雑把な手段ですが効果はあるため、多くのチームが採用しています。 Etsyは代わりにスラッシュを運用しています。入れ子になった3つのフェーズがあり、段階が進むごとにリリースのハードルが上がっていきます。 フェーズ1 — 10月中旬、出品者がホリデー向けの在庫を準備する時期に始まります。エンジニアへのガイダンスは「慎重にマージすること」で、具体的な判断基準は、その変更によって出品者が一番忙しい時期にビジネスの新しい運用方法を覚えなければならなくなるかどうかです。そうなる場合は、ホリデー明けまで待ちます。 フェーズ2 — インフラ強化の期間です。変更がインフラに負荷をかけてはならず、負荷の増加を伴う実験はまずスケーラビリティチームの確認を経ます。 フェーズ3 — ピーク期で、おおむね感謝祭からサイバーウィークまでです。かなり上の立場の承認がなければ何もリリースせず、Jayの言葉を借りれば、リリースするのは改善のためのものだけです。 どんな変更なら許可されるか、というリストがあるわけではありません。その代わりにシニアの承認という関門があり、承認がなければ何も進みません。判断ミスのコストが最も大きくなる時期には、ルールではなく人が判断するということです。 スラッシュから一つだけ取り入れるなら、この仕組みがおすすめです。ただしその場合は、誰が判断するのか、何を基準に判断するのかもあわせて決めておく必要があります。この2つが決まっていて初めて、「シニアの承認を得る」というルールが機能します。 「シニアの承認を得る」が通用しない場合は、判断基準をいくつかの質問として順番に書き出しておきましょう。そうすれば、ほとんどの変更は承認者を必要としなくなります。 今まさにユーザーがこの問題に遭遇しているか。そうでなければ待つ。 リリースせずに止められるか。フラグをオフにしたり設定値を変えたりして対応できるなら、そちらを選ぶ。最速の修正は、アプリ審査を経ずに済むものです。 リリースが必要な場合、1ステップで元に戻せるか。取り消せない変更と取り消せる変更とでは、議論の性質がまったく異なります。 チェックアウト、認証、決済に関わるか。差分がどれだけ小さく見えても、指定された承認者に回します。 こうした質問があれば、高負荷の中で特定の変更について議論するときも、本来のルールが何だったかではなく、その変更そのものについて議論できます。 フリーズでは議論の対象が一つの日付だけになります。スケジュールに沿ってハードルが上がる仕組みなら、エンジニアは6週間前の時点で目の前の変更にルールを当てはめられます。リスクの高いマージが行われるのは、まさにその時期です。 ピーク期にエンジニアへ新しいツールを渡さない Etsyは2025年にモバイルアプリをSentryに移行し、その作業はスラッシュの直前に完了しました。それでも、旧ツールは稼働させたままにしました。 Androidではプロバイダーリスト、iOSではクラッシュレポートレイヤー内の2つの分岐を使ってデュアルレポーターを構成し、どちらかを選ぶのではなく、ホリデー期間中ずっと両方のベンダーにクラッシュを送信し続けました。 「一年で最も不安定な時期に、エンジニアの環境を変えるつもりはありませんでした。」とJayは言います。何かが取り上げられることはなくエンジニアは全員、一年を通して見慣れたツールを使いこなせる状態でピークを迎え、さらに深く掘り下げたいときは新しいツールも使えました。 両方を稼働させたことで、評価だけでは答えられない問いにも答えが出ました。どちらのツールもクラッシュフリー率を報告していました。両者の数値は一致するのでしょうか。一年で最も負荷が高い状況でも一致するのでしょうか。ピーク期が検証の場となり、2026年を迎える頃には、旧プラットフォームを廃止する確信が得られていました。 このアイデアはぜひ取り入れてください。2つの送信先に振り分けられるレポートレイヤーがあれば、ベンダーの変更は大規模なプロジェクトではなく、設定変更で済みます。必要になる前に作っておけば、切り替えを決めたときにすぐ実行できます。 どの手段がコードに届くのかを把握する ユーザーにアップデートを強制することはできません。できるのは、ユーザーに影響を与えている機能をオフにする手段がいくつあるかを事前に決めておくことです。 Etsyには3つのレイヤーがあります。ほとんどの実験は実験用フラグの背後にあるため、アプリがランタイムでクラッシュしていない限り、問題のあるバリアントをオフにできます。実験以外の変更は運用フラグの背後に置きます。そしてまれなケースでは、ユーザーがアップデートするまでアプリを使えなくする強制アップデートのプロンプトを表示できます。ただし、ユーザーにとても嫌われるため、ほとんど使うことはありません。 これらのレイヤーの外にあるものは、旧バージョンが使われ続ける間ずっと付き合っていくしかありません。Jayのたとえでは、アプリのリリースはAOLのディスクを配るようなものです。一度世に出たら、次のディスクが届くまでそのままです。 だからこそ、フラグの監査もこのリストの他の項目と同じく10月に行うべきなのです。クラッシュしやすい機能を一つずつ確認し、アプリをリリースせずに問題のコードパスを無効化できるリモートフラグがあるかをチェックします。コード上にフラグがあっても、壊れたパスがそのフラグを参照していなければ意味がありません。 アラート疲れは、3週目あたりから始まる Jayが説明した障害パターンは、私自身のチームでも目にしたことがあるもので、なかなか厄介です。通知を無視し始めたと宣言する人はいないからです。 1週目は通知を読みます。2週目は流し読みします。3週目はフィルターを作ります。4週目には誰も読んでおらず、かといって誰も削除してもいません。皆、他の誰かが見ているだろうと思い込んでいます。 新しいツールの導入時は、この状況に陥りやすくなります。デフォルトがメール中心になっていることもあり、まだ優先度によるトリアージもされていないため、すべてが緊急に見える形で届くからです。この時期こそ注意深く観察し、どれがアラートに値し、どれが値しないかを素早く見極めましょう。 Etsyはその逆のやり方をとっています。大きな音で鳴るアラートのトリガーは2つだけです。クラッシュフリー率と、過去の水準から外れた1時間あたりのクラッシュ数です。どちらかが条件を満たすとSlackにアラートが送られ、対応するインシデントが作成されます。 […]
【開発者のための評価ガイド】セッションリプレイツールの選び方

Article by: Lindsay Piper(読了時間:10分) セッションリプレイソフトウェアを使えば、映画『フリーキー・フライデー』のように顧客と体を入れ替えなくても、ユーザーが見ていた画面をそのまま確認できます。問題は自分のチーム、技術スタック、そして規制環境において、その価値を本当に発揮できるツールはどれか、という点です。 本ガイドでは、セッションリプレイツールを分ける設計上の判断を取り上げます。すなわち、データの記録方法、マスキングを行う場所、エラー監視との連携方法、追加されるオーバーヘッド、AI デバッグエージェントがデータを利用できるかどうか、そしてモバイルへの対応です。 すべてのセッションリプレイツールが同じ目的で作られているわけではない セッションリプレイソフトウェアは、大きく2つのカテゴリーに分けて考えると整理しやすくなります。 UX 分析ツール:プロダクトマネージャーや UX リサーチャー向けに作られています。ユーザーが製品をどう操作するか、どこをクリックし、どこで離脱し、何に戸惑うのかを把握することが目的です。ヒートマップ、ファネル分析、エンゲージメント指標といった、リッチな視覚的再生と定量分析に最適化されています。 開発者向けデバッグツール:エンジニア向けに作られています。問いは「ユーザーはどこで戸惑うのか」ではなく、「このエラーが起きたときアプリケーションはどんな状態だったのか、そしてユーザーはどんな操作でそこに至ったのか」です。リプレイとエラーの相関付けに最適化されています。 具体的なツールを評価する前に、自分のユースケースがどちらのカテゴリーに当てはまるかを見極め、そのうえでツールが本当にその目的で作られているかを厳しく検証しましょう。美しいヒートマップがあっても、エラー連携が弱ければ、本番環境のインシデントをデバッグしたいエンジニアリングチームの役には立ちません。 記録方式:DOM スナップショット vs ピクセルキャプチャ セッションリプレイの記録には、主流の方式が2つあります。どちらも設計面で無視できない影響を持ちます。 DOM スナップショット+ミューテーション記録 :最初に DOM のスナップショットを取得し、その後発生するすべてのミューテーション(要素の変化、属性の更新、ユーザーイベント)を構造化されたイベントのストリームとして記録します。セッションを再生する際は、最初のスナップショットから DOM を再構築し、ミューテーションを順番に再生します。rrweb などのオープンソースライブラリはこの方式で動作しており、Sentry もこの方式を採用しています。 ピクセルキャプチャ:レンダリングされたページのスクリーンショットや動画フレームを定期的に取得します。出力は画面録画のような見た目になります。 トレードオフは正反対の方向に働きます。DOM ベースのリプレイは圧縮しやすく、プライバシーにも配慮しやすい方式です。ピクセルではなく構造化されたイベントを記録するため、機密データがブラウザーを離れる前に SDK レベルで秘匿でき、イベントストリームは同等の動画フレームのごく一部のサイズにまで圧縮されます。さらにこの構造化された形式はリプレイとエラー監視の連携から、大規模なセッション検索、AI エージェントへのデータ供給まで、より高度なデバッグワークフローを可能にします。 一方でピクセルキャプチャは、複雑な CSS、canvas 要素、サードパーティの iframe をDOM のシリアライズよりも忠実に扱えます。たとえばデザインチームが複雑なアニメーションをピクセル単位で正確に再生する必要があるなど、視覚的な忠実性が最優先の要件であれば、精度の面ではピクセルキャプチャに分があります。 プライバシー設計:データをどこでマスキングするかが重要 ツールが機密データをマスキングできるポイントは2つあります。SDK の段階(データがユーザーのブラウザーを離れる前)か、取り込みの段階(データがプロバイダーのサーバーに到達した後)です。 クライアントサイドのマスキング:データが送信される前に行われます。SDK が DOM のミューテーションを捉えてマスキングルールをローカルで適用し、指定した特定の要素を秘匿するか、あるいはデフォルトですべてをマスキングし、記録したいフィールドだけを明示的にオプトインさせるか、どちらかの方式をとります。 サーバーサイドのスクラビング:データがプロバイダーのサーバーに到達した後に行われます。これには実際の利点があります。スクラビングルールを […]
【Application Metrics】back/forward cacheを計測

Article by: Abdelrahman Awad(読了時間:6分) 要約:bfcacheMetricsIntegrationは、3つのbfcacheシグナルをアプリケーションメトリクスとしてモデル化します。このインテグレーションはオプトイン方式で、JavaScript SDKs v11でリリースされました。 Webを使う人なら誰もが感覚的に知っている瞬間があります。リンクをクリックしてページを読み、「戻る」を押すと、前の画面がすぐそこにあります。スピナーも、白い画面のちらつきも、ガタつきもありません。 これがbfcache(back/forward cache)の働きですが、ほとんどのチームにとっては目に見えない存在です。ダッシュボードがすべて緑で、Web Vitalsも健全、LCPが過去最高の数値だったとしても、bfcacheが待たずに行き来できる即時性を実現できていなければ、ユーザーが体感していてもチームはまったく気づくことができません。 今回、この死角に取り組みました。アプリケーションメトリクスのリリースにより、思いつく限りのブラウザのシグナルをグラフ化できる数値に変換できるようになったので、重要でるにもかかわらず、他のテレメトリデータ(スパンなど)では表に出てこなかったシグナルを探し始めるようになりました。その筆頭がbfcacheで、成果として生まれたのが新しいbfcacheMetricsIntegrationです。ブラウザが1日に何千回も、ほぼ何の知らせもなく下している判断を、計測・追跡・修正できるものに変えます。 bfcacheが重要な体験に与える影響 ページから移動すると、ブラウザは通常そのページを破棄します。スクリプトは停止し、メモリは解放され、DOMは消えます。あとで戻ってくると、ページはゼロから再構築され、リスナーが発火し、fetch呼び出しが一斉に走り、スピナーが回ります。 bfcacheはこれをすべて省略します。ブラウザはページをその場で凍結し、DOM、JavaScriptヒープ、スクロール位置など、すべてを含む完全なインメモリスナップショットとして保持します。 「戻る」や「進む」のナビゲーション時には、そのスナップショットを解凍してそのまま返します。読み込むものが何もないので、遷移は実質的に一瞬です。ページは実際には一度も消えていなかったのです。 これはニッチな最適化ではありません。戻る・進むのナビゲーションはWeb上で最も頻繁に使われる経路の一つで、体感速度がビジネス価値に直結しうるフローの大部分を占めています。たとえば、ECサイトでの商品ページと一覧ページの行き来、検索結果の行ったり来たり、ドキュメント、メディアの閲覧、マーケットプレイスなどです。また、効果が最も大きいのは低速なネットワークやデバイスを使うユーザーで、bfcacheがなければ「戻る」を押すたびにリロードのコストをすべて負担することになります。こうした導線では、「戻るボタンがどれだけ速いか」は最優先で考えるべきパフォーマンスの問いであり、多くの場合、新規ページ読み込みよりも大きな問題です。 違いは並べてみると一番よくわかります。ミスをすると、ページ全体をゼロから再構築し、再フェッチ・再レンダリングが走り、ユーザーがいた位置も失われます。 https://player.vimeo.com/video/1229898198?transparent=0&dnt=1 大事なのは「発見」 Sentryも含め、あらゆるパフォーマンスツールはページ読み込みのライフサイクルを軸に作られています。通常のツールから見ると、bfcacheヒットは「何も起きていない」のと区別がつかないため、戻る・進むのナビゲーションは見過ごされることがあります。 ここにはパラドックスがあります。bfcacheがうまく機能するほど、既存のツールが収集するデータは少なくなります。成功とは「無音」だからです。見えないものは追跡できませんし、最も健全なケースこそ何のトレース(痕跡)も残さないのです(あえての言葉遊びです)。 さらに厄介なのは、ページがbfcacheの対象になるかどうかをブラウザがヒューリスティクスで判断しており、その基準が時間とともに変わっていくため、ページが予期せず対象外になりうることです。 対象外になる理由はありふれたものです。unloadリスナー、Cache-Control: no-storeヘッダー、開いたままの接続、埋め込みiframe内のブロッカーなどが、これまでにページをキャッシュから締め出してきました。この記事を読むころには、その一部はもう当てはまらず、新しい理由に置き換わっているかもしれません。どれも、自分自身やサードパーティのスクリプトが気づかないうちに追加してしまう可能性があります。 つまり、対象かどうかは簡単なコード変更で後退することもあれば、コードをまったく変更しなくても後退することがあります。テストやコードレビューでこの後退を防ぐのは現実的ではなく、積極的に追跡して修正すべきものなのです。 アプリケーションメトリクスは、スパンやログにはない形で「発見」に向いています。ミスが急増したら、ルート、リリース、ブラウザと順に分解していけば、原因が見えてきます。「xはどうだろう?」と思ったら、クエリを1つ投げるだけ。再デプロイも新たなインストルメンテーションも必要ありません。 仕組み 必要な情報はすべてブラウザがすでに教えてくれています。pageshowイベントとnotRestoredReasons APIの両方が、ページがbfcacheの対象外だったかどうか、そしてその理由を正確に示してくれます。 bfcacheMetricsIntegrationは、これらのシグナルを3つのアプリケーションメトリクスとしてモデル化し(ブラウザのサポート状況によります)、それぞれにいくつかの属性を付与します。 browser.bfcache.navigation — 戻る・進むのナビゲーション1回につき1つ記録されるCounterで、以下の属性を持ちます。 browser.bfcache.outcome — hitまたはmiss。 browser.bfcache.not_restored_reason_count — ブラウザが報告した理由の数。 browser.bfcache.not_restored(Chromiumのみ) — ミス時に、復元されなかった理由1つにつき1つ記録されるCounterで、以下の属性を持ちます。 browser.bfcache.reason — ブラウザが返す生の理由文字列。たとえばunload-listener、websocket、idbversionchangeevent、response-cache-control-no-storeなど。 browser.bfcache.frame — ブロッカーがあった場所。メインドキュメントならtop、サブフレームならchild。 browser.bfcache.reload.duration […]
アプリケーションメトリクスが壊れたサイズ推定機能を検出してくれた話

Article by: Kyle Tryon(読了時間:15分) 動画のエンコードを数分待って、メッセージにドラッグ&ドロップした瞬間に「ファイルが大きすぎます」というエラーが出る… あの特有のイライラ。そこからは、あと数MBを削ろうと手探りで再エンコードを繰り返すことになります。解像度を下げてみたり、bitrate を小さくしてみたり、あと1〜2回で済むことを祈りながら。 この記事では、Sentry の Application Metrics を使って、より正確な動画サイズ推定機能を作った方法を紹介します。 最近、私は自分の vibe-coded なプロジェクトのひとつに取り組んでいました(よくあることです)。その名も Cliparr。動画からクリップを作成できるセルフホスト型のツールです。当然ながら、エクスポートする前に出力ファイルのサイズが分かれば理想的です。 理論上、動画のサイズ計算はかなりシンプルなはずです。目標 bitrate とクリップの再生時間が分かっていれば、両者を掛け合わせるだけで最終的な出力サイズが求められます。これは codec や container に関係なく、あらゆる動画フォーマットで成り立つはずです。 [bitrate] x [duration] = [size] しかし、これが実際にさまざまなデバイス・ブラウザ・フォーマットで本当に成り立つのか、どうにも信じきれませんでした。動画編集の経験はそれなりにあり、少し調べもしましたし、いつでも魔法の AI ボックスに聞くこともできます。それでも、自分が正しいと思っていることが現実と一致しているかどうかをどうやって確信すればいいのでしょうか。 このシンプルな推定を狂わせてしまう「未知の要因」に、どんなものがあり得るのでしょうか。いくつか思い当たるものはあり、そのうちのひとつは後述しますが、私がより気にしていたのは「自分が知らないこと」の方でした。 最初は自分のパソコンにある動画を手作業でいくつも変換し、推定がどれくらい正確かを確認するところから始めました。かなり正確そうに見えました……。しかし、もう少し科学的にやりたくなってきました。フォーマット・codec・品質設定などの組み合わせのマトリクスを用意することもできます。 そこで気づいたのです。私はそこまでやるにはやや面倒くさがりであり、しかももっと良い方法があるかもしれない、と。ツールの実際の利用状況をそのまま記録して、人々が本当に使う状況で推定がどれくらい正確かを見ればいいのです。 Sentry の Application Metrics を使って変換結果をモニタリング・可視化したところ、推定が 83% も外れている例をひとつ見つけました。 オープンソースプロジェクトにとっての Win-Win-Win Cliparr は Plex や Jellyfin と連携しますが、トランスコード処理はすべてデバイス上、つまりブラウザ内で MediaBunny を介して行われるため、サーバーには何もアップロードも処理もされません。ほぼ静的サイトにできるほどですが、認証とメディアファイルへのアクセスのために小さな proxy サーバーだけを持っています。 opt-in […]
Sentryでマイクロサービスと分散システムを監視

Article by: Richard C. 5つのサービス、キュー、そして自分が所有していないデータベースに触れるリクエストをデバッグしようとしたことがあるなら、分散システムの監視がなぜ難しいのかはすでにご存じでしょう。 ログはそれぞれ別の場所に存在し、リクエストはフローの途中で見失われ、そして本番環境で何かが壊れると、断片から何が起きたのかを再構成することになります。 マイクロサービスは設計上これをさらに悪化させます。1つのリクエストが、小さく独立してデプロイされる複数のサービスへと広がり、しばしば非同期にやり取りします。そして、リクエストが自分が管理しているサービスを離れた瞬間に、可視性は通常、急激に落ち込みます。 このガイドでは、Sentry のトレーシングとロギングを使ってリクエストをエンドツーエンドで追跡し、本番環境では通常あまりに時間がかかりすぎる次の疑問に答えられるようにする方法を紹介します。 このリクエストは実際にどこへ行ったのか どのサービスが遅延させたのか、あるいは失敗したのか ログを手作業でつなぎ合わせずに、それをどうやって確認すればよいのか 前提条件 マイクロサービスの経験は不要です。この記事を理解するうえで、Web サービスを書いた経験があると役立ちます。 チュートリアルに沿って進めるには以下が必要です。 Docker:サンプルアプリの実行に Docker を使用します。Docker を使うことで、プログラミング言語の各種バージョンをインストールしなくても、どのOSでもアプリが動くことが保証されます。また、個人ファイルから安全に隔離されたセキュアなサンドボックス内で実行できます。 Sentry アカウント:サンプルアプリケーションを Sentry のプロジェクトのいずれかに接続したい場合、Sentry アカウントが必要です。 また少しわかりやすくするために、実行が必要な操作には ▶️ を付けています。 サンプルケーススタディ この例は意図的にシンプルにしていますが、実際のシステムはもう少し複雑です。 ただし失敗の起こり方は同じです。リクエストは複数の先へ広がり、処理は非同期に進み、何かが壊れると元のコンテキストはたいてい失われています。 では簡単な例を使って、マイクロサービス設計がどのように、そしてなぜ機能するのかを確認しましょう。たとえば、ユーザーが「作る必要のある商品」を注文できるウェブサイトがあるとします。商品は物理的な3Dプリントの物体から、デジタルの納税証明書まで、何でもあり得ます。 現時点ではプロセス全体を処理し、すべてのデータを1つのデータベースに保存するモノリシックな Web サーバーがるとします。 設計は次のとおりです。 ウェブサイト、注文管理、そして商品の製造(工場側)をそれぞれ別のチームが担当しており、各チームはシステム全体を壊さずに、自分たちのコードやデータベースのテーブルに対する改善を独立してデプロイしたいと考えています。 そこで単一のサービスとデータベースを3つの独立したサービス(web、order、factory)に分割することにしました。 システムは次のようになります。 各サービスは他のサービスのアドレス(URL)を把握しています。たとえば order サービスが factory サービスに商品の製造開始を依頼したい場合、order サービスは HTTP の POST リクエストで factory サービスを呼び出します。 […]
【新機能】Web Vitals Performance Issue

Article by: Ben Coe 新しい種類の Performance Issue として、Web Vitals Performance Issues を導入しました。Web Vitals の指標が、パフォーマンスに関する当社の「meh」または「poor」のしきい値に下がった場合、アプリケーション内の改善余地が最も大きいページを対象に、これらの課題が作成されます。 これらの課題は Seer Issue Fix を念頭に置いて構築しました。私たちの目的は、Vitals スコアの低下を通知するだけではありません。スコアを改善するために取れる具体的な手順を提示し、可能な場合は問題の修正まで支援することです。 Web Vitalsとは?なぜ気にする必要があるのか Web Vitals は、サイトのユーザー体験がパフォーマンスの基準値と比べてどの程度かを把握するための標準指標です。Vitals の良いスコアを持つウェブサイトが必ずしも素晴らしいユーザー体験を保証するわけではありませんが、Vitals の評価が悪いウェブサイトはほとんどの場合、ユーザー体験も悪いと言えます。 とはいえ、たとえユーザー体験の向上にはそこまで関心がないとしても、Web Vitals は Google の検索ランキングや Shopify でのリスティングにも影響します。要するに、ビジネスの成果に直結します 🤑。 中でも、最も重視すべき 3 つの Core Web Vitals は次のとおりです。 Largest Contentful Paint (LCP):ページ内で最も大きな要素が表示されるまでにどれくらい時間がかかるのかを測定します。読み込み速度の指標。 Interaction to Next Paint (INP):ページ要素を操作したとき、次のフレームが表示されるまでにかかる時間を測定します。インタラクティビティの指標。 Cumulative […]
【React Native】パフォーマンス改善戦略:最新の手法とツール

Article by: Simon Grimm 本記事は、Galaxies.dev の創業者である Simon Grimm によるゲスト投稿です。Galaxies.dev は、ハンズオン形式のコース、専門家のガイダンス、そして個別サポートを通じて、開発者が React Native を習得できるよう支援するプラットフォームです。 React Native のパフォーマンスは、これまで以上に重要になっています。 新しいアーキテクチャが安定版となり、アプリが電光石火のネイティブ体験と競い合う中で、ユーザーは1秒未満の読み込み時間と滑らかな60fpsの操作感を期待しています。遅いアプリはユーザーを苛立たせるだけではなく、最終的な利益にも直結します。実際、100msの遅延でもコンバージョン率が7%低下し得ることを示す調査があります。 そこで、朗報です! 新しいアーキテクチャを備えた React Native 0.80 以降に、Expo Router や Reanimated 4 といった最新ツール、そして Sentry による包括的なモニタリングを組み合わせることで、開発者は高パフォーマンスなアプリを作るための強力な手段を手にできます。ただし、大きな力には、それに見合う技術が必要です。 本ガイドでは、起動時の最初の印象という重要な局面から、高負荷時でも滑らかなアニメーションを維持する方法まで、React Native アプリのパフォーマンスをあらゆる面で最適化するための実証済みの戦略を解説します。 本記事で扱う内容は次のとおりです。 操作可能になるまでの時間(TTI)の短縮する React の最適化 60フレーム/秒(FPS)を達成する リスト表示のパフォーマンスを改善する 丁寧な状態管理 各トピックには、今日から実装できる実際のコード例と実践的なツール選定のおすすめを含めています。 さらに、Sentry が提供するシグナル(指標)を見ながら、アプリ内で何が起きているのか、そしてどう直せばよいのかを理解する方法も掘り下げます。 React Native アプリを、パフォーマンスの強力なアプリへと変えていきましょう。 1. 操作可能になるまでの時間(TTI)を短縮する TTI はアプリ起動後に「使える状態」になるまでの速さを測る指標です。アプリアイコンをタップしてから、ラグや処理中スピナーで待たされることなく、ユーザーが実際に UI を操作できるようになるまでの時間を指します。 起動時の処理を最小限にする […]
そのままで動くLaravel パフォーマンスモニタリングも同様

Article by: Will McMullen Laravel アプリを初めて立ち上げたときのことを覚えていますか?ルーティング、認証、ORM、キューがすべてスムーズにつながり、ほとんど手間がかからなくなったはずです。これこそ、Laravel が「最初から生産的に感じられる」理由のひとつです。 しかし、アプリの動作が遅くなり始めたとき、Eloquent クエリが重くなる、ジョブがいつまでも終わらない、キャッシュミスが増えていく。その原因を見つけるのは簡単ではありません。Laravel には多くのツールが備わっていますが、それらをつなぎ合わせて全体像を把握するのは、これまで開発者の手に委ねられていました。 Sentry の新機能「Laravel Insights」を使えば、アプリ内部で何が起きているのかを、より明確に把握できます。エラー、遅いジョブ、データベースクエリ、キャッシュの利用状況、ルートごとのパフォーマンスなどを可視化し、既に追跡している課題と関連づけて表示します。さらに、それらがユーザー体験に実際どのような影響を与えているのかも確認できます。 すべてがつながっています。特定のルートから発生した遅いジョブをたどり、その原因となったクエリを特定し、キャッシュが改善に寄与したのか、それとも逆効果だったのかまで把握できるのです。 Laravel を先回りして最適化 これは新しい製品でも、新しいタブでもありません。Laravel アプリで基本的な Sentry のインストルメンテーション(エラーおよびトレーシング)が設定されていれば、Insights → Backend の中で Laravel プロジェクトを開くだけで次の情報を確認できます。 Recommended Issues:本番環境で新たに発生した、または深刻化している課題を表示 Requests & Duration:リリースごとの負荷の変化やアプリのパフォーマンスを追跡し、リグレッションが発生していないか確認 Jobs:バックエンドジョブの実行時間や失敗率の傾向を監視し、SendWelcomeEmail::dispatch($user); が常に時間通りに動作しているか確認 Queries:コストの高いデータベース呼び出しを特定し、トランザクションを最適化 Caches:キャッシュミスが多発している箇所を特定し、無効化の問題を修正 Routes:リクエスト数、ユーザー数、総処理時間、pXX 指標ごとにソートし、早期にパフォーマンス低下を検知 一人で開発している場合でも、スタートアップのスケールアップ段階にあっても、これらのインサイトによりアプリの挙動を簡単に把握でき、ユーザーが気づく前に問題を修正できるようになります。 さらに深く掘り下げ、アラートを作成 たとえばキャッシュミスの急増、データベース時間を食い尽くす暴走クエリ、異常に滞留しているキューなど、もし何かおかしな兆候を見つけたら、クリックひとつで詳細を掘り下げることができます。 Laravel Insights の各ウィジェットには 「Open in Explore」(Exploreで開く)ボタンがあり、ドロップダウンをクリックすると Sentry のクエリビルダーに直接移動できます。そこで次のようなことが可能です。 特定のサービス、ルート、ユーザー、または環境に絞り込んでクエリをカスタマイズ ブラウザの種類、ユーザーアカウントの状態、リクエスト元など、Sentry に送信している任意のタグ(デフォルト・カスタム問わず)でグループ化 […]
【SvelteKit】オブザーバビリティが10倍強化 ー その全貌を解説!

Article by: Lukas Stracke Svelte チームは先日、 SvelteKit の完全なオブザーバビリティとトレーシングのサポートを追加したことを発表しました! これは SvelteKit と Sentry のユーザーにとって朗報です。なぜなら、Sentryはすでにこの新機能と互換性があるからです。 さらに、このニュースは JavaScript エコシステム全体にとっても大きな意味を持ちます。SvelteKit は、ESM ベースのメタフレームワークとして初めて、インストゥルメンテーションとトレーシングを標準でサポートしたのです。 ここからは、なぜこれが重要な一歩なのか、そしてSvelteKitがどのようにして他のESMフレームワークのお手本となったのかを見ていきましょう。 何が起こったのか SvelteKit バージョン2.31.0 以降では、サーバーサイドインストルメンテーションと SvelteKit が生成するスパンを有効化できるようになり、サーバーサイドのトレースを大幅に強化できるようになりました。これは、SvelteKit アプリケーションにオブザーバビリティを追加したい人にとって大変朗報です。 理由は以下のとおりです。 まず、SvelteKit では instrumentation.server.js という専用ファイルを用いたテレメトリのインストゥルメンテーションがサポートされました。このファイルはサーバーサイドのインストゥルメンテーションを初期化します。ビルドの最終成果物に組み込まれ、OpenTelemetry のような自動インストゥルメンテーションが、サーバーサイドリクエスト処理の全体を確実に捕捉できるタイミングで評価されるようになっています。 さらに Svelte チームはそこで止まりませんでした。SvelteKit はリクエストハンドラー、load 関数、フォームアクション、さらにはリモート関数に対しても専用のスパンを発行するようになりました。これにより、アプリケーションのリクエストライフサイクルのどの部分が最も時間を消費しているのか、あるいはアプリケーション内の異なるパフォーマンス特性を理解することが、はるかに容易になりました。 そして極めつけに、Sentry の SvelteKit SDK はバージョン 10.8.0 以降で、この SvelteKit の公式インストゥルメンテーションとトレーシング機能に完全対応しています! SvelteKit のオブザーバビリティを Sentry で使う方法 まだ Sentry […]
【必読】APIコールの時間を削減する方法!5秒以上から100ミリ秒未満に改善できる…?

私のプロフェッショナルなキャリアで触れたデータベースは、100%がSQLデータベースだったため、私のデータベースに対する考え方(この言葉遊びを楽しんでください!)は常にリレーショナルモデルが基本でした。 しかし、2020年に小さなサイドプロジェクト(Twitchのストリームにインタラクティブ性を提供するBot)を立ち上げた際、当時のデータ保存要件にはリレーショナルモデルは必要なく、NoSQLソリューションであるMongoDBを選びました。 4年後の2024年、この小さなサイドプロジェクトは予想以上に大きく成長し、テキストベースのゲーム「Pantherworld」へと進化しました。この進化について興味がある方は、どのように小さなTwitchボットからゲームに成長したかを解説した私の2024年のカンファレンス講演「Entertainment as Code」をYouTubeでチェックしてください。 Pantherworldは2024年4月から、私のTwitchチャットインターフェースを通じて、24時間、週7日、数百人にプレイされています。ゲーム内のイベントは、私のストリームで発生するイベントに基づいています。例えば、新しいフォロワーを獲得すると、ランダムなワールドアイテムがランダムなゾーンに出現します。プレイヤーの目標は、Twitchチャットでテキストコマンドを使って世界を移動し、アイテムを収集してインベントリを埋めることです。アイテムには希少なものもあります。 プレイヤーがゲームの進行状況を追跡できるようにするため、私はフロントエンドのコンパニオンアプリを作成しました。このアプリは、NoSQLデータベースからAPIを介してゲームデータを取得します。ゲームが多くのプレイヤーを惹きつけるにつれて、明らかにスケーラビリティ(拡張性)の問題があるAPI呼び出しが一つありました。 それは、リーダーボードデータを取得するエンドポイントでした。このエンドポイントは非常に遅く、その原因が分からなかったため、フロントエンドでスケルトンローダーを追加しました(単に空白画面を表示するのではなく)。遅さを隠そうとしましたが、実際に見るのはとても辛かったです。 重要なのは、私のデータベースに対する思考モデルが常にリレーショナルなものであったことを繰り返し強調することです。 そのため、私は自分がNoSQLをうまく使えていないのだろうと思っていましたが、どこで間違えているのかは分かりませんでした。さらに、このアプリは4年にわたる開発の中で大きく進化し、そのデータモデルの要件がリレーショナルモデルを必要とするようになりました。最初の直感的な反応としては、全体をリファクタリングしてSQLデータベースを使うようにしようと思いました。しかし、4年も経ったレガシーアプリをリファクタリングし、数十万のNoSQLドキュメントをSQLに移行するのは現実的ではありませんでした。 そこで、コードの最適化方法を理解するためにトレースを利用することに決めました。 トレーシング(Tracing)とは何か? トレーシングは、アプリ内で発生するすべてのイベント(関数呼び出し、データベースクエリ、ネットワークリクエスト、ブラウザイベントなど)をキャプチャする技術で、アプリがどのように動作しているかを理解し、パフォーマンス向上のための改善点やバグ修正ができる箇所を特定するのに役立ちます。 Sentryでは、個別のイベントはスパンとして名前付けされ、これらは各スパンと一緒に送信されるHTTPヘッダーを通じてトレースビューで接続されます。また、これらのイベントをアプリやサービスの全スタックに渡ってキャプチャすることができ、これを分散トレーシングと呼びます。 MongoDBデータベースクエリのトレーシングサポートを追加する方法 MongoDBデータベースクエリのトレーシングは、Sentryの最新のJavaScriptおよびPython SDKで標準でサポートされています。追加の設定は不要です。 私のバックエンドAPIはExpressアプリなので、最新のSentry Node SDKを使用しています。Sentry SDKの初期化コードは別のファイルにまとめることが推奨されています。私の例では、そのファイルをinstrument.tsと呼んでいます。 以下に、最も関連性のあるオプションを示した簡略化されたSDK設定を示します。 tracesSampleRate オプションは、Sentry SDKにトレーシングを有効にするよう指示します。このオプションは0から1の間の値を取り、アプリがSentryに送信するトレースの割合を設定します。アプリのユーザー数やSentryアカウントのプランに基づいて、この値を調整することをお勧めします。 Distributed Tracing(フロントエンドアプリからバックエンドアプリへのトレース)を有効にするには、tracesSampleRateを設定するだけでなく、フロントエンドのSentry SDK設定にbrowserTracingIntegrationを追加する必要があります。ただし、Next.jsやNuxtなどのフルスタックフロントエンドフレームワークは、デフォルトでbrowserTracingIntegrationを追加するため、このルールは適用されません。 バックエンドでは、SentryがMongoDBを含むアプリケーション内のすべてのモジュールを自動的に計測できるように、他のモジュールを要求する前に instrument.js ファイルをインポートすることを確認してください。 私が実際にアプリケーションで使用しているエントリーポイントファイル app.ts の先頭部分でのインポート例をご紹介します。以下の通りです。 MongoDBのクエリをExpressアプリでトレースする設定が完了したので、次にリーダーボードのコードがなぜここまで遅かったのかを調査してみましょう。 なぜ単一のAPI呼び出しが5秒以上かかっていたのか コードの最適化を行う前のトレースのスナップショットがこちらです。 API呼び出しの所要時間が強調表示されています。/world/leaderboard APIへのHTTP GETリクエストは、およそ4秒〜8秒かかっていました。 単一のAPI呼び出しに対する(ズームアウトされた)トレースビューでは、一連のリクエストウォーターフォールと重複したデータベースクエリが表示されています。これは改善が必要です。 API呼び出しを短縮する方法を探る前に、フロントエンドアプリから/ world / leaderboard に対する呼び出しが行われるときに何が起こるのかを見てみましょう。 リーダーボードAPI呼び出しは、プレイヤーの配列を返します。 各Player(プレイヤー)オブジェクトには、username(ユーザー名)、items count(アイテム数)、wealth_index番号(wealth_indexは、すべてのインベントリアイテムの合計で、そのアイテムのレアリティで掛け算された値)が含まれます。 こちらが元のコードで、少し簡略化されています。コードは以下のことを行います。 Itemsコレクションをクエリして、ユーザーに割り当てられたすべてのアイテムを取得し、アイテムをuserIdでグループ化し、そのアイテムのカウントを返します。 各プレイヤーについて、getAllItemsForPlayer()を呼び出します(これによりItems コレクションが再度クエリされます)。 各プレイヤーについて、Playerコレクションをクエリします(このクエリの目的は、アイテムデータと一緒に保存したくなかったuserDisplayNameを取得するためだけです。SQLのジョインがあれば便利でした)。 各Playerオブジェクトを構築し、計算し、配列に追加し、その配列をソートして返します。 […]